Classification(分类)
1、问题背景:
特殊的样本点会使得分界点发生漂移,影响准确性。
Hypothesis representation(假设函数表达式)
1、Logistic regression Model(逻辑回归模型):
(1)Sigmoid function / Logistic function S型函数/逻辑函数:
(2)g(z)图像:
(3)hθ(x) 表示在给定参数θ对于某个特征值x的情况下,y=1的概率:
Decision boundary(决策边界)
1、什么是决策边界?
If hθ(x) = g(θTx) ≥ 0.5,则 y = 1 (即 θTx ≥ 0时);
If hθ(x) = g(θTx)< 0.5,则 y = 0(即 θTx< 0时).
举例:对于
,θ=[-3,1,1]T,则
y=1,if -3+x1+x2 ≥ 0,即分界线为 x1+x2= 3,如下图所示。
该边界线称为“决策边界”,边界上方部分y=1,下方部分y=0.